本系列是总结Mike Rosulek教授在上海期智研究院的密码学学术讲座。
这是Mike教授的第一个分享：Overview of Secure Computation and Yao’s Protocol
Roadmap
主要内容包括安全多方计算的整体介绍及其应用场景、如何定义安全多方计算的security、Yao的混淆电路协议 (garbled circuits protocol)。
（咕咕咕博客选手回来了，学长说：与其担心有没有学读，不如多学学密码学，泪目，我觉得他说的对！）
今天给大家分享的论文是一篇基于AFL的工作：AFL++：Combine Incremental Steps of Fuzzing Research，发表在USENIX Workshop。分享时的slides
PyTorch框架学习。
这篇文章主要介绍如何用PyTorch设计实现一个NN。
colab笔记：
Neural Network Design 1: The Layers
Neural Network Design 2: Callable Neural Networks
在机器学习中，常用cross-entropy来作为模型的损失函数，这篇文章将阐述信息学中的entropy（熵）是什么，cross-entropy（交叉熵）又是什么，KL-Divergence和entropy、cross-entropy的关系是什么？
如何具象的理解这些概念？
在开始阅读这篇文章之前，先提及一下香农对bit的定义，香农认为bit是用来消除信息的不确定性的。
bit：uncertainty divided by 2.
原视频 讲的很好，本文只是在此基础上对一些总结，方便理解物质化（马原.jpg）。
Solidity的官方教程笔记：advanced。
Solidity的官方教程笔记：basic。
这篇文章详细讲解了无监督学习（Unsupervised learning）的PCA（主成分分析法）。
文章开篇从聚类（Clustering）引出Distributed Represention，其中粗略阐述了聚类中K-means和HAC（层次聚类）的思想。
文章的后半部分具体阐述了PCA的数学细节，PCA的去相关性性质，PCA的另一种解释角度（component的角度），PCA的不足等。
PyTorch框架学习。
本篇文章主要介绍PyTorch中的Tensor及其基本操作，主要分为四个方面：Reshape, Element-wise, Reduction和Access。
Tensor的具体操作介绍，建议配合Colab笔记使用：
Tensor Operations: Element-wise
Tensor Operation: Reduction and Access
英文的表达解释都是比较清晰且精确的，所以以英语的形式作为主要记录，文中会夹带一些中文总结语句，方便阅读。
PyTorch框架学习。
本篇文章主要介绍PyTorch的相关背景知识。
